A Lightweight Universal Machine-Learning Interatomic Potential via Knowledge Distillation for Scalable Atomistic Simulations
Ce papier présente SevenNet-Nano, un potentiel interatomique universel léger et rapide basé sur la distillation de connaissances, qui hérite de la généralisation d'un modèle fondamental plus volumineux pour permettre des simulations atomiques à grande échelle avec une haute précision et un coût computationnel réduit.